首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于组合核函数二维主成分分析的人脸识别算法研究

摘要第3-4页
Abstract第4-5页
第一章 绪论第8-18页
    1.1 研究背景及意义第8-10页
    1.2 人脸识别的发展历史及研究现状第10-12页
    1.3 人脸识别的研究流程第12-16页
        1.3.1 人脸检测第13页
        1.3.2 预处理第13-15页
        1.3.3 特征提取第15页
        1.3.4 分类识别第15-16页
    1.4 人脸识别技术遇到的难点第16-17页
    1.5 本文的主要工作第17-18页
第二章 线性特征提取方法第18-30页
    2.1 主成分分析算法(PCA)第18-21页
    2.2 二维主成分分析(2DPCA)第21-23页
    2.3 线性判别式分析(LDA)第23-24页
    2.4 二维线性鉴别分析(2DLDA)第24-25页
    2.5 基于行列的2DPCA-2DLDA方法第25-28页
    2.6 本章小结第28-30页
第三章 组合核函数二维特征提取的改进方法第30-50页
    3.1 非线性降维介绍第30-32页
    3.2 核二维主成分分析法(K2DPCA)第32-33页
    3.3 组合核二维主成分分析(CK2DPCA)第33-34页
    3.4 组合核函数二维主成分分析CK2DPCA-2DLDA的改进方法第34-37页
        3.4.1 组合核函数及参数的选择第34-35页
        3.4.2 CK2DPCA-2DLDA算法步骤第35-37页
    3.5 人脸数据库与评价指标第37-39页
        3.5.1 人脸数据库第37-39页
        3.5.2 人脸识别的评价指标第39页
    3.6 实验结果与分析第39-48页
        3.6.1 ORL人脸数据库第40-45页
        3.6.2 FERET人脸数据库第45-48页
    3.7 本章小结第48-50页
第四章 人脸识别系统的设计与实现第50-56页
    4.1 系统的功能划分第50-51页
    4.2 系统的界面设计与功能展示第51-54页
    4.3 本章小结第54-56页
第五章 总结与展望第56-58页
参考文献第58-62页
攻读硕士学位期间参与的科研项目第62-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:顶岗实习远程动态管理系统的设计与实现
下一篇:大数据处理平台的存储优化技术研究